王 煜，葉 賽，范文濤

（1.廣東金融學院 互聯(lián)網金融與信息工程學院，廣州 510521；2.通用電氣（中國）有限公司，北京 100176）

0 引言

數(shù)控機床是一種裝有程序控制的系統(tǒng)的自動化機床，在現(xiàn)代化制造車間中有著舉足輕重的作用。為提高數(shù)控機床的加工精度，準確辨識數(shù)控機床刀具的位置，需要檢測數(shù)控機床的制造信息資源[1]。在以往的制造方式下，制造信息資源都是在特定的模塊內進行組織的，由于制造信息資源管理中的體系不完備，都將會導致制造信息資源發(fā)生重復出現(xiàn)的情況，而且還使基礎信息共享和同步都很難實現(xiàn)，嚴重的影響信息系統(tǒng)的充分集成，為此，提升制造信息資源的檢測精度已經成為當前相關領域的研究重點[2]。

目前很多專家學者們對數(shù)控機床制造信息資源自動化檢測進行了研究，也都取得了一定的成果。文獻[3]提出基于MTConnect協(xié)議的數(shù)控機床數(shù)據(jù)采集方法。該方法設計了系統(tǒng)的數(shù)據(jù)庫結構，據(jù)此開發(fā)了數(shù)控機床數(shù)據(jù)采集系統(tǒng)，完成了數(shù)控機床制造信息資源的檢測。該方法完成時間較短，但是檢測準確率相對較低。文獻[4]提出了一種基于旋轉軸綜合誤差測量的信息資源檢測方法。根據(jù)數(shù)控機床刀具繞旋轉軸轉動時的理論坐標與實際坐標的誤差數(shù)據(jù)，得到誤差辨識數(shù)據(jù)，通過檢測得出信息資源數(shù)據(jù)。該方法具有一定的檢測準確率，但是在分析的過程中，能量消耗較大。

針對上述這種情況，文中提出一種新的基于粒度結構分析的數(shù)控機床制造信息資源自動化檢測方法方法。測試結果表明，該方法對制造信息資源元數(shù)據(jù)粒度結構分析的完成時間較短、準確率較高、能量消耗較少，具有一定的應用價值。

1 數(shù)控機床制造信息資源元數(shù)據(jù)粒度結構分析

1.1 粒度結構的表達形式

粒度結構模型具有可拓展性及可分解性的特點，粒度結構的層次分明，能夠精準分析結構復雜的制造信息資源系統(tǒng)，準確檢測元數(shù)據(jù)信息[5]。

分析制造信息資源系統(tǒng)，得到制造信息資源元數(shù)據(jù)粒度結構模型，具體過程如下所述：

將數(shù)控機床制造信息資源元數(shù)據(jù)問題轉化成一個用三元組（X，F(xiàn)，T）來表示的形式，其中X代表元數(shù)據(jù)中所有元素集合，F(xiàn)代表元數(shù)據(jù)中數(shù)據(jù)屬性之間的映射關聯(lián)規(guī)則，利用函數(shù)F：X→Y來進行描述，Y代表在歐式空間中元數(shù)據(jù)的集合，T代表元數(shù)據(jù)粒度結構，描述元數(shù)據(jù)粒度所有元素之間存在的相互關系，利用圖1可以給出，將制造信息資源元數(shù)據(jù)粒度通過某種屬性來對元數(shù)據(jù)中所有元素集合進行劃分的度量[6]。

圖1 數(shù)控機床制造信息資源元數(shù)據(jù)粒度表達形式

制造信息資源元數(shù)據(jù)粒度結構的表達形式包含下面幾個優(yōu)勢：

第一個是元數(shù)據(jù)中所有元素集合的可拓展性，也可以將其理解成是可以通過需要條件來擴大元數(shù)據(jù)問題所涉及的元素。

第二個是對象集的可分解性，可以將其理解成是通過元數(shù)據(jù)所有元素集合中各個元素之間的關聯(lián)來對制造信息資源元數(shù)據(jù)粒度問題進行分解。

通過上述分析得出，數(shù)控機床制造信息資源元數(shù)據(jù)粒度結構的層次結構都比較清晰，利用這個表達形式可以對內容結構相對復雜的制造信息資源系統(tǒng)提供有效的檢測手段[7]。

1.2 元數(shù)據(jù)粒度結構分析

引入引入粒度結構分析方法，來找出產品制造過程中各種制造信息資源元數(shù)據(jù)對象和它的特征信息。首先建立制造信息資源元數(shù)據(jù)粒度結構模型，如圖2所示。

步驟1：獲取數(shù)控機床制造信息資源元數(shù)據(jù)對象和它的特征[8]。

圖3 數(shù)控機床制造信息資源元數(shù)據(jù)對象和它的特征獲取

1）R代表元數(shù)據(jù)的對象集；Ri代表資源類型，它主要劃分為產品資源類、人力資源類和組織資源類等；Rij代表不同類型中所含有的資源對象。

2）F（R）代表數(shù)控機床制造信息資源元數(shù)據(jù)對象的特征映射體系；主要利用它來表述制造信息資源元數(shù)據(jù)對象對整個生命周期產品的研發(fā)過程進行映射的關聯(lián)規(guī)則，按照每個產品研發(fā)過程來對制造信息資源元數(shù)據(jù)對象主要特征的加工處理，以此來獲取出每個資源元數(shù)據(jù)對象的特征[9]。

3）{C1，C2,…}代表數(shù)控機床制造信息資源元數(shù)據(jù)對象的特征集合；Ck（k=1，2，3，…）代表相對于元數(shù)據(jù)集合R中的對象Rij，通過{Ckn}來組成，Ckn代表制造信息資源元數(shù)據(jù)對象的具體特征，通過制造信息資源元數(shù)據(jù)對象在各個研發(fā)過程中進行映射來獲得，是反映資源元數(shù)據(jù)對象的主要特征屬性。

步驟2：制造信息資源元數(shù)據(jù)對象的特征組織結構。

圖4 數(shù)控機床制造信息資源元數(shù)據(jù)對象的特征組織結構

1）G（C）代表制造信息資源元數(shù)據(jù)對象的特征組織結構，通過來組成，其中G1（C）代表一種編碼方式，它可以組成元數(shù)據(jù)對象編碼的特征組合形式；G2（C）代表整個系統(tǒng)的需求，用來表述各個系統(tǒng)需求的特征組合形式。

2）{Gi{Cij}}代表制造信息資源元數(shù)據(jù)對象的特征組合形式的集合，根據(jù)G（C）的組織結構來對Ckn的組合進行操作[10]。

2 基于元數(shù)據(jù)粒度結構的數(shù)控機床制造信息資源自動化檢測

根據(jù)上文得出的制造信息資源元數(shù)據(jù)粒度結構模型，進行數(shù)控機床制造信息資源的自動化檢測，具體過程如下：

針對數(shù)控機床制造信息的自動采集問題，由于數(shù)控機床受到電磁干擾的影響，射頻識別設備無法準確采集其制造信息，因此本文采用德國巴魯夫公司所生產的專業(yè)級RFID設備，并通過PLC連接數(shù)控系統(tǒng)，完成數(shù)控機床制造信息的精準采集，能夠為刀具的位置辨識與壽命預測提供精確信息[11]。

由于采集到的制造信息中含有重復的數(shù)據(jù)，需要根據(jù)元粒度結構模型，描述數(shù)控機床制造信息資源內部元素之間信息交互和它們的屬性關聯(lián)，即描述數(shù)控機床制造信息資源關鍵屬性結構化的數(shù)據(jù)，用表示，式中Rg代表第g粒度層次上的元數(shù)據(jù)，XR代表采集的數(shù)控機床制造信息。

式中，fact可以選取eig函數(shù)；l代表制造信息資源元數(shù)據(jù)元素集合的維度，代表為第g個粒度層次上的元數(shù)據(jù)i是否能夠代替第j維度上的元數(shù)據(jù)，當它為1的時候能夠代替，否則不能[12]。

通過制造信息資源元數(shù)據(jù)粒度結構模型，能夠有效去除數(shù)控機床制造信息資源中的重復數(shù)據(jù)，得到精準數(shù)控機床制造信息資源元數(shù)據(jù)，并以此建立數(shù)控機床制造信息資源自動化檢測模型。

式中，X為數(shù)控機床制造信息資源系統(tǒng)數(shù)據(jù)的平均值，當采集到的數(shù)控機床制造信息數(shù)據(jù)量大于該值時，輸出數(shù)控機床制造信息資源元數(shù)據(jù)，反之則輸出G-1粒度層次上的元數(shù)據(jù)[13～15]。

根據(jù)自動化檢測模型，完成數(shù)控機床制造信息資源的自動化檢測。

3 實驗與結果分析

為了驗證所提出基于粒度結構分析的數(shù)控機床制造信息資源自動化檢測方法的綜合有效性，需要進行一次測試，測試環(huán)境為lntel(R) Core(TM)2 Duo CPU E7400，主頻為2.80GHz，內存為2.00GB配置的PC機上，以元數(shù)據(jù)管理平臺為測試平臺，采用文獻[3]、文獻[4]提出的方法為實驗的對照組，分別從分析檢測準確率、檢測時間及檢測過程能量消耗三個方面進行測試，測試結果如圖5所示。

分別采用所提方法與文獻[3]方法和文獻[4]方法進行制造信息資源的檢測準確率（%）對比，測試三種方法在分析數(shù)據(jù)數(shù)量為20、40和60個時的檢測準確率，準確率計算公式為：

圖5 數(shù)控機床制造信息資源檢測界面

其中，A0為成功判斷是否重復的數(shù)據(jù)，A為總數(shù)據(jù)。

根據(jù)準確率計算公式，得到分析準確率測試結果如表1所示。

表1 不同方法檢測準確率對比

分析表1可以看出，所提方法在數(shù)據(jù)數(shù)量為20個、40個、60個時，制造信息資源檢測準確率都為100%；而文獻[3]方法和文獻[4]方法在數(shù)據(jù)數(shù)量為20個、40個、60個時，檢測準確率都明顯低于所提方法分析準確率，通過對比可知，采用所提方法得到數(shù)控機床制造信息資源檢測的準確率高，具有較好的分析效果。

在測試了檢測準確率的基礎上，進一步測試三種方法的檢測時間（s）。分別測量三種方法檢測100、300及500個制造信息資源數(shù)據(jù)的完成時間，測試結果如表2所示。

分析表2可以看出，3種方法在檢測相同數(shù)量的制造信息資源時，所提方法的檢測時間都明顯低于文獻[3]方法和文獻[4]方法，通過對比可知，所提方法完成數(shù)控機床制造信息資源檢測的時間較短，效率高。

表2 不同方法檢測時間對比測試

測試三種方法檢測數(shù)控機床制造信息資源的能量消耗（bit）情況，計算公式如下：

式中，s為制造信息資源數(shù)據(jù)個數(shù)，j為單位數(shù)據(jù)能耗量。根據(jù)式(4)得出測試結果如圖6所示。

圖6 不同方法制造信息資源檢測能量消耗對比測試

分析圖6可以看出，隨著數(shù)據(jù)數(shù)量的不斷增加，3種方法的能耗也隨之增加，當數(shù)據(jù)數(shù)量為80個時，所提方法的制造信息資源檢測能量消耗大約為550bit，文獻[3]方法的制造信息資源檢測能量消耗大約為780bit，文獻[4]方法的制造信息資源檢測能量消耗大約為860bit，通過對比可知，所提方法檢測數(shù)控機床制造信息資源的能量消耗最小，具有一定的應用價值。

4 結語

本文提出了一種基于粒度結構分析的數(shù)控機床制造信息資源自動化檢測方法。該方法通過對數(shù)控機床制造信息資源元數(shù)據(jù)技術的分析，得到制造信息資源元數(shù)據(jù)粒度結構模型，在此基礎上，采集數(shù)控機床制造信息，根據(jù)元數(shù)據(jù)粒度結構模型去除了采集到的制造信息中的重復數(shù)據(jù)，以此構建數(shù)控機床制造信息資源自動化檢測模型，完成數(shù)控機床制造信息資源的自動化檢測。經過測試結果表明，該方法對數(shù)控機床制造信息資源的檢測時間較短、檢測準確率較高、能量消耗較少，說明該方法能夠高效準確的完成數(shù)控機床制造信息資源檢測，在提高數(shù)控機床的加工精度、預測機床使用壽命等方面具有一定的應用價值。